北京
6月5日，亿欧获悉，美国具身智能公司Generalist AI宣布完成新一轮4亿美元（约合27亿元人民币）融资，公司累计融资总额超5亿美元，本轮投后估值达20亿美元。
本轮融资由Radical Ventures领投，8VC、Union Square Ventures、Hanabi Capital、Norwest等机构新入局投资。同时，英伟达旗下投资机构NVentures、Boldstart Ventures、Spark Capital、贝索斯旗下Bezos Expeditions、NFDG等原有头部投资方悉数大额跟投。
此外，本轮融资还迎来多位知名行业大咖新增入局，包括袁征、林斌、李飞飞、Naval Ravikant等天使投资人。
Generalist AI2024年成立于美国加州，公司CEO Pete Florence曾任Google DeepMind高级研究科学家，CTO Andrew Barry曾任波士顿动力高级机器人工程师，首席科学家Andy Zeng曾任Google DeepMind研究科学家。
依托创始团队产业与学术积淀，Generalist AI自落地起便跳出行业主流研发范式，走出差异化技术路线。
产品迭代层面，Generalist用两代模型落地数据预训练新思路，先后发布GEN-0、GEN-1两代通用物理交互大模型，逐步验证机器人领域缩放定律（Scaling Laws）可行性。
2025年11月首发GEN-0，首次通过海量现实世界通用数据，证实缩放规律可以复用于机器人训练，打破过往机器人高度依赖真机采集数据的行业惯例；
2026年4月迭代推出GEN-1，在商业化实操任务中交出亮眼实测数据，多项工业常用操作平均任务成功率提升至99%，作业速度达到同期行业最优模型的3倍左右，例如箱体组装、手机封装等标准化工序耗时较前代SOTA方案缩短超六成。
相较于行业普遍采用的VLA（视觉-语言-动作）、世界模型两大主流技术框架，GEN-1最核心差异化在于原生架构设计。Generalist官方明确，GEN-1既不属于传统VLA体系，也非通用世界模型，是从物理交互数据集从零训练、以实体环境交互为核心的专用基座模型，研发思路跳出行业技术标签之争。
在数据训练策略上，GEN-1预训练阶段全程采用50万小时无机器人本体的通用真实世界数据，数据体量为GEN-0的两倍，不接入任何机器人真机采集素材；完成预训练后，落地单类新任务仅需1小时机器人实测数据即可完成微调对齐，而行业同类模型普遍需要数十至上百小时专属真机数据，小样本适配优势大幅降低机器人商业化部署的数据成本门槛。
实测场景中，GEN-1还具备临场动态调整能力，可应对作业过程突发意外工况，自主修正动作方案，契合工厂非标生产环境的落地需求。
在行业技术路线分化加剧的背景下，Generalist提出 “结果优先、弱化框架标签” 的研发逻辑。公司管理层表示，VLA、世界模型都只是实现物理智能的技术工具，行业争论架构分类没有实质意义，核心衡量标准始终是机器人能否在真实工况下，以高成功率、低成本完成具备商业价值的落地任务。
在长期研发目标上，Generalist锚定零样本物理AGI，即机器人无需专属微调数据，即可自主处理从未接触的全新任务，而短期落地目标聚焦持续压缩单任务所需微调数据量。GEN-1现阶段小样本落地表现，被团队视作迈向商业化临界点的关键信号。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
